BUGS модель для (вложенных?) Повторных измерений ANOVA

Question

Мне было интересно, есть ли у кого-нибудь код для модели BUGS/JAGS для повторных измерений ANOVA? В принципе, у меня есть ответ (у), что я хочу, чтобы моделировать против времени суток, Дня и Лечением. Я также хотел бы включить два условия взаимодействия: Лечение x Время дня и Лечение x День. В исследовании около 20 человек, которые измерялись 4 раза в день в течение примерно 1 недели. Я не совсем уверен, с чего начать, и я обеспокоен тем, что ковариант времени дня также должен быть вложен в ковариант дня? Если у кого-то есть код для вероятностной части модели BUGS/JAGS, было бы весьма признательно. Я могу позаботиться о пригородах. Просто не может показаться, что он сошел с земли.

Answer 1

В вашем вопросе есть несколько двусмысленностей.

1. вы хотите времени суток и дня войти в непрерывный ковариат или как дискретные факторы ли?

2. Вы хотите, чтобы индивидуальная идентификация вводилась в модель как фиксированный или случайный эффект?

3. Если какой-либо день или Время дня является фактором, вы хотите, чтобы включить его в качестве фиксированного или случайного эффекта?

4. Вы спрашиваете о том, время суток должны быть вложены в День. Это невозможно ответить, не зная больше о ваших данных и ваших целях.

Вот пример кода, что предполагает, что вы хотите для лечения лиц, как случайный эффект.

Предполагается также, что Treatment, Time.of.day и Day имеют постоянные склоны для всех людей. Было бы просто расширить эту модель до модели с фиксированным или случайным наклоном, где разные индивидуумы получат отдельные моделированные склоны. Например, для модели случайных склонов вы просто измените бета-параметры ниже, чтобы обработать их так же, как и альфа-параметр.

Следуя просьбе OP, это только часть правдоподобия и не включает в себя приоритеты.

for(i in 1:n.observations){ 
    y[i] ~ dnorm(alpha[individual[[i]] + beta1*Day[i] + beta2*Time.of.day[i] + beta3*Treatment[i] + beta4*Treatment[i]*Day[i] + beta5*Treatment[i]*Time.of.day[i], tau.obs) 
} 
# individual[i] contains the numerical index representing the individual that corresponds to observation i. 

for(j in 1:n.individuals){ 
    alpha[j] ~ dnorm(mu, tau) 
}